Matlab作为数学计算软件，之所以能受到众多使 用者的青睐，除了其简单准确的数值计算功能和强 大的工具箱支持外，还在于其出色的可视化和图象 处理功能。 Matlab软件可以将用户计算得到的数据根据其不 同情况转化为相应的图形。用户可以选择直角坐标 系、极坐标系；图形可以表现为平面曲线、空间曲 线、直方图、向量图、柱状图及空间网面图、空间 表面图等；还可以对图形作进一步加工，如标注、 添色、变换视觉、控制色图、取局部视图、切片图、 制作动画等

一、连续型随机变量及其概率密度 定义如果对随机变量X的分布函数F(x),存非负可积函数f(x)使得对于任意实数x有 F(x)=(X sx)= s()则称X为连续型随机变量,称f(x)为X的概率密度函数简称为概率密度或密度函数

第三节随机变量的分布函数 当我们要描述一个随机变量时,不仅要说明它能够取哪些值,而且还要指出它取这些 值的概率.只有这样,才能真正完整地刻画一个随机变量,为此,我们引入随机变量的分布 函数的概念

区间估计的背景: 对于一个量,如某工件的长通过测量和计算 得到它的一个近似值在工程技术上还要同餘出 这个近似值的误差也就是说给出一个区间-E, a+E,量a一定落入这个区间时于参数的估计世 有类似的问题点估计仅仅给出了参数一个估计 值,有时还需要知道它的性程度这就需要给出 个区间并且说明这个区间以衾的概率包含参 数的真值这就是区间估计

在随机试验中,人们除对某些特定事件发生的概率感兴趣外,往往还关心某个与随机试验的结果相联系的变量.由于这一变量的取值依赖于随机试验结果,因而被称为随机变量.与普通的变量不同,对于随机变量,人们无法事先预知其确切取值,但可以研究其取值的统计规律性.本章将介绍两类随机变量及描述随机变量统计规律性的分布

一、两个事件的独立性 定义若两事件A,B满足(AB)=P(A)P(B) (1)则称A,B独立,或称A,B相互独立注:当P(A)>0,P(B)>0时,A,B相互独立与A,B互不相容不能同时成立.但与S既相互独立又互不相容(自证)定理1设A,B是两事件,且P(A)>0,若AB相互独立,则(AB)=P(A).反之亦然定理2设事件A,B相互独立则下列各对事件也相互独立:A与B,A与B,A与B

先由一个简单的例子引入条件概率的概念 分布图示

3.1 VB的基本字符集和词汇集 3.2 VB的基本数据类型 3.3 常量与变量 3.4 运算符与表达式 3.5 常用内部函数

微分方程: 联系着自变量,未知函数及其导数的关系式. 为了定量地研究一些实际问题的变化规律,往往是 要对所研究的问题进行适当的简化和假设,建立数学 模型,当问题涉及变量的变化率时,该模型就是微分方 程,下面通过几个典型的例子来说明建立微分方程模 型的过程

一、 用于存放大量的数据 二、当程序运行结束时其数据被永久地保存在文件中 三、文件保存在各种辅助存贮器中 四、磁盘 五、光盘 六、U盘（闪存）